【技术实现步骤摘要】
本专利技术涉及图像处理，具体而言，涉及基于多注意力和生成式对抗网络的眼底图像增强方法。
技术介绍
1、现有的关于眼底图像增强的方法中，基于传统图像处理的方法需要人工进行参数的选择，普遍缺少较好的适应能力。在深度学习技术快速发展的过程中，在深度学习基础上，越来越多相关的图像增强方法被提出，图像增强的效果也越来越好。低质量眼底图像的增强方法，由于其医学图像的独特性，在深度学习技术的应用上存在一定的局限性。首先，医学图像的获取难度较大。因此，数据集较为稀少，医学图像数据量较少。同时，缺少低质量眼底图像和高质量眼底图像的配对。此外，由于医学图像的临床用途，经过增强的图像要保留其病理特征信息，以免给临床诊断带来干扰。在低质量图像的图像增强方法中，现有的基于深度学习的图像增强方法对于由镜片上灰尘颗粒产生视网膜伪影以及血管、视杯视盘等生理结构的处理效果还有一定的提升空间。
技术实现思路
1、本专利技术实施例提供了基于多注意力和生成式对抗网络的眼底图像增强方法，以至少解决了低质量图像的图像增强方法中，现有...
【技术保护点】
1.基于多注意力和生成式对抗网络的眼底图像增强方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，视网膜伪影感知模块为小型U-Net网络，视网膜伪影感知模块用于：
3.根据权利要求1所述的方法，其特征在于，医学结构感知模块为以CE-Net为基础的网络，医学结构感知模块用于：
4.根据权利要求1所述的方法，其特征在于，多尺度融合模块用于：
5.根据权利要求1所述的方法，其特征在于，全局-局部鉴别器用于：
6.根据权利要求1所述的方法，其特征在于，在将若干个眼底视网膜图像按照预设比例进行划分，得到...
【技术特征摘要】
1.基于多注意力和生成式对抗网络的眼底图像增强方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，视网膜伪影感知模块为小型u-net网络，视网膜伪影感知模块用于：
3.根据权利要求1所述的方法，其特征在于，医学结构感知模块为以ce-net为基础的网络，医学结构感知模块用于：
4.根据权利要求1所述的方法，其特征在于，多尺度融合模块用于：
5.根据权利要求1所述的方法，其特征在于，全局-局部鉴别器用于：
6.根据权利要求1所述的方法，其特征在于，在将若干个眼底视网膜图像按照预设比例进行划分，得到若干个眼底视网...
【专利技术属性】
技术研发人员：吴俊，高近书，黄泽宇，林靖杰，万紫超，马健聪，夏召强，党思航，蒋晓悦，何贵青，冯晓毅，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。